17 feb. 1999
3 minuten
De rekenkracht van computers wordt steeds groter, maar in vergelijking met de menselijke hersenen werken ze nog erg onhandig en onzuinig. Wetenschappers hebben nu een nieuw bouwsteentje voor een kunstmatig brein ontwikkeld, dat op dezelfde manier werkt als een synaps in de hersenen, en uiteindelijk zelfs nog energiezuiniger kan worden.
De resultaten van dit onderzoek van Stanford University staan in het wetenschappelijk tijdschrift Nature Materials. Eerste auteur is Yoeri van de Burgt, die sinds eind vorig jaar aan de TU Eindhoven werkt.
Het basiselement van de huidige micro-elektronica, de transistor, heeft een aantal nadelen. Hij kent maar twee standen (0 of 1), waardoor er heel veel van nodig zijn om data op te slaan of te bewerken. Verder moet er continu stroom op staan, anders gaan de data verloren. En het bewerken en opslaan van data gebeurt op aparte plaatsen, waardoor de data veel op en neer bewegen, wat tijd en energie kost.
Objecten herkennen
In de menselijke hersenen werkt het heel anders. Het kleinste element is de synaps, waarmee de hersenen informatie opslaan. Die synaps kan heel veel verschillende standen hebben, er hoeft niet continu energie naartoe, en hij zit bovendien altijd dicht bij de menselijke rekeneenheden; neuronen. De menselijke hersenen kunnen daardoor heel energie-efficiënt veel informatie tegelijkertijd verwerken. Iets wat ons in staat stelt om bijvoorbeeld snel te leren en snel mensen of objecten te herkennen.
Informatie vast houden
De wetenschap probeert al vele jaren om dit te imiteren, maar de gevonden oplossingen tot nu toe hebben allemaal haken en ogen. Yoeri van de Burgt en zijn collega’s hebben nu een geheel nieuw soort basisbouwsteentje voor een kunstmatig brein ontwikkeld, dat geen van die nadelen heeft. Deze ‘kunstmatige synaps’ bestaat uit drie lagen en lijkt een beetje op een batterij. De onderste en bovenste laag zijn dan de twee polen en ertussen zit een elektrolyt. Van de onderste pool kan de elektrische weerstand telkens worden aangepast. Die weerstand kan meer dan vijfhonderd waardes aannemen en dat gegeven kan worden gebruikt voor dataopslag. Het veranderen van de weerstand gebeurt door stroom te zetten op de bovenste pool. Door een elektrochemisch proces via het elektrolyt verandert de samenstelling van de onderste pool een beetje, en daarmee verandert ook de weerstand. Verdwijnt de stroom, dan blijft de samenstelling en dus de weerstand onveranderd. Daardoor is geen stroom nodig om informatie vast te houden.
Energiezuiniger
Er bleek maar 10 picojoule energie nodig om de kunstmatige synaps naar een andere stand te brengen. Dat is al energiezuiniger dan state-of-the-art micro-elektronica, die daar circa 100 picojoule voor nodig heeft. Dat bereikten ze met een elementje dat 0,001 vierkante millimeter groot is. Doordat de onderzoekers aantoonden dat het stroomverbruik lineair afneemt met de grootte, konden ze berekenen dat een exemplaar kleiner dan 0,1 vierkante micrometer, wat technisch haalbaar is, zelfs energiezuiniger kan worden dan de menselijke synaps.
Verbinding met hersenen
Ook bijzonder is dat de kunstmatige synaps van goedkope polymeren is gemaakt, terwijl transistoren gemaakt zijn van het harde materiaal silicium, dat veel duurder is qua verwerking. Daardoor is het nieuwe element flexibel, wat het toepassingsgebied vergroot. Verder zijn polymeren organische materialen en daarmee in principe compatibel met echte hersenen. Daarmee bestaat de mogelijkheid dat de kunstmatige synapsen ooit gebruikt kunnen worden voor dataverbindingen met de hersenen.
Potentieel
Yoeri van de Burgt wil in Eindhoven doorgaan met zijn onderzoek. Als eerste stap wil hij een netwerkje bouwen van duizend kunstmatige synapsen of meer. Hij doet dit in de groep Microsystems van de faculteit Werktuigbouwkunde.
Van de Burgt is nog voorzichtig over het potentieel van zijn vinding. De bestaande micro-elektronicatechnologie is zo ver gevorderd en krachtig, dat het niet voor de hand ligt dat nieuwe technologie op basis van kunstmatige synapsen dit snel voorbij streeft. Voorlopig ziet de onderzoeker, die eerder ook aan de TU/e promoveerde, vooral kansen voor het lokaal herkennen en klassificeren van specifieke objecten die op het eerste gezicht moeilijk te onderscheiden zijn. Bijvoorbeeld het herkennen van specifieke cellen in biomedische toepassingen.
Het paper ‘A non-volatile organic electrochemical device as a low-voltage artificial synapse for neuromorphic computing’ is 20 februari verschenen in Nature Materials (DOI 10.1038/nmat4856).
Anderen lazen ook
